【技术实现步骤摘要】
一种辅助倒车的方法
[0001]本专利技术涉及一种辅助倒车的方法，属于车辆倒车过程中的路径规划
技术介绍
[0002]随着基于深度学习的光流和单目深度估计方法的提出，人们可快速识别和检测视频流中的车辆信息。基于单目视觉的交通场景中车辆轨迹的提取方法是利用固定全景相机拍摄的视频流和场景中多个特征点的坐标信息，提取场景中车辆的速度和轨迹信息，实验表明该方法具有约束少、部署方便、恢复准确的优点，同时保证了一定的实时性，具有实际的工程意义。
[0003]基于视频分析的探测和目标识别技术已经从传统功能转变为深度学习。这些传统和直观的功能在这个阶段取得了很好的结果。然而，由于目标的多样性和角度变化等因素，传统的基于特征的目标检测遇到了难以克服的瓶颈。近年来，深度学习技术大大提高了在多个状态探测和识别目标的效率。在自动驾驶中需要确定和评估许多目标，包括行进路线上的车辆、行人、路标和辅助倒车等，使得目标识别环境复杂而难以实现。从对行人和车辆的识别角度分析，基于深度学习的方法显著优越于传统方法。由于其可以通过学习提取图像数据...
【技术保护点】
【技术特征摘要】
1.一种辅助倒车的方法，其特征在于，包括如下步骤：步骤1，在车辆倒车并停入停车位的过程中，从车辆倒车开始识别车辆后方地面是否有完整的车位轮廓线，当识别到完整的车位轮廓线时，判断识别到的车位轮廓线内是否存在障碍物；步骤2，若存在障碍物，则等待障碍物被移走或者重新选择一个新的车位并返回步骤1；否则进入步骤3；步骤3，利用车辆自带的倒车影像相机采集车辆后方地面视频流信息，对视频流信息进行自适应视频帧间隔抽样；步骤4，对步骤3抽出的帧图像进行语义分割运算，提取出帧图像中的车位轮廓线、帧图像中的行人以及其他车辆的轮廓信息；步骤5，针对语义分割后的帧图像，利用深度残差网络进行深度估计运算，得到车辆后方地面的深度图像；步骤6，根据步骤5得到的深度图像，分析车辆自身与车位轮廓线的角度关系以及停车位的宽度大小，调整车辆自身的位姿，计算并规划倒车路径；步骤7，根据深度图像，获取在倒车地点附近出现的其他车辆、行人分别与自身车辆的距离，并根据在步骤6中估算的倒车路径，分析倒车的可能性，根据各种可能情况分析出最优倒车路径，及时调整倒车路线，让汽车能够安全停入停车位中。2.根据权利要求1所述的一种辅助倒车的方法，其特征在于，步骤3所述自适应视频帧间隔抽样中，根据当前车速以及深度残差网络的最大探测距离自适应调整当前抽样间隔时间，则抽样间隔时间具体为：其中，V表示当前车速，T(V)表示车速V下的抽样间隔时间。3.根据权利要求1所述的一种辅助倒车的方法，其特征在于，所述步骤4中，利用语义分割网络detectron2对步骤3抽出的帧图像进行语义分割运算。4.根据权利要求1所述的一种辅助倒车的方法，其特征在于，所述步骤5中，在深度残差网络的解码器中使用拉普拉斯金字塔结构，利用金字塔的分解定义深度残差，且深度残差网络的激活函数选用Softplus激活函数，即：Softplus(x)＝ln(1+exp(x))其中，x表示Softplus激活函数的输入量；计算车辆自带的倒车影像相机与实际距离的转换关系，从而得到车辆后方地面的深度图像，计算公式如下：其中，(x
c
,y
c
,z
c
)为深度估计得到的深度图内像素点P
c
坐标，(x,y,z)为世界坐标系中坐标，k、l均为相机内参，f为相机外参，c
x
为像素坐标系坐标x的偏置，c
y
为像素坐标系坐标y的偏置。5.根据权利要求1所述的一种辅助倒车的方法，其特征在于，所述步骤6的具体过程如
下：步骤6.1，根据步骤5得到的深度图像内的车位轮廓线信息，确定停车位的宽度w，即：w＝y1‑
y2定义车位轮廓线中较长的两条轮廓线分别为左、右轮廓线，y1为左轮廓线的纵坐标值，y2为右轮廓线的纵坐标值；步骤6.2，计算车辆自身与右轮廓线之间的角度：步骤6.3，根据步骤6.2得到的角度θ得到车辆自身的位姿信息，即车辆相对于停车位的位置，并计算最优的倒车路线，具体为：建立以车辆自带的倒车影像相机为原点，车头朝向为Y...
【专利技术属性】
技术研发人员：崔志强，单慧琳，曹广喜，孙佳琪，王兴涛，张银胜，
申请(专利权)人：无锡学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。